来源: infoq.com
42
Logic Apps 过去是"连线工"——用预置连接器把 SaaS 服务串起来，逻辑靠条件分支和表达式拼凑。现在它多了一项硬能力：沙箱代码解释器。工作流中的 Agent 可以在运行时动态生成 Python、JavaScript、C#、PowerShell 代码，并在 Hyper-V 隔离会话中执行。这意味着 Logic Apps 从"编排引擎"正式跨入...
来源: infoq.com
42
当 LLM 从"单轮问答"进化到"多步推理+多跳检索+结构化输出"，Deep Research Agent 就不再是玩具，而是真正能替人完成调研工作的系统。Thoughtworks 的 Sarang Kulkarni 在 Arc of AI 2026 大会上分享了他们在生产环境中部署多 Agent 深度研究系统的经验——这些教训值得每一个正在搭建 Ag...
来源: infoq.com
40
生产环境里的 AI 决策，没人敢在公开论坛上把真实数据、真实失败摊开来讲。InfoQ 新推出的 AI Engineering 和 Organizational Architecture 两个在线认证 cohort，瞄准的就是这个缺口——给有实战经验的资深从业者一个保密的同行圈子，把那些"还没想清楚但必须拍板"的架构、平台、团队设计决策拿出来压力测试。 ...
来源: infoq.com
33
AI 生成内容正在以指数级增长，而区分"人写的"和"模型写的"已经不再是学术问题——它直接影响版权合规、 misinformation 治理和平台信任。Google 的 SynthID 正试图给出一个工程层面的答案：在生成内容中嵌入不可感知的水印信号，并提供检测接口让下游系统读取它。最近，SynthID 的生态有了两个关键变化：Nvidia 和 Ope...
来源: infoq.com
35
微软最近公开了一套名为 MDASH（Multi-Model Agentic Security）的漏洞发现系统。这套系统不再依赖单模型"单打独斗"，而是让超过 100 个专业化 AI Agent 协作完成从扫描、验证、辩论到最终证明漏洞的全流程。目标很明确——在 Windows 及其他微软大型代码库中，用自动化手段替代传统人工代码审计的瓶颈。 单模型做代...
来源: infoq.com
37
大模型推理的瓶颈从来不是算力不够，而是逐令牌串行生成这一固有约束——每吐出一个 token 都要等上一轮前向传播完成。Gemma 4 引入的多令牌预测（Multi-Token Prediction, MTP）起草器，配合投机解码（speculative decoding），把这条串行链路变成了并行流水线：起草器一口气猜出多个 token，主模型一次前向...
来源: infoq.com
34
生产环境里的 AI 应用，最让人头疼的不是模型本身，而是围绕模型调用的一堆"外围问题"——调用失败要不要重试？工具执行结果要不要做安全过滤？生成循环跑了 50 步还没停，谁来掐断？Google 最近为 Genkit 引入了 Middleware 架构，正是瞄准这些痛点：在模型调用、工具执行、生成循环这三条关键路径上，加了一层可编程的拦截层，让开发者用代...
来源: infoq.com
51
AI 编码代理正在从"能写代码"走向"能操作基础设施"——但直接把 AWS 凭证塞给代理，等于把整栋楼的钥匙交给一个实习生。AWS 的 Model Context Protocol（MCP）服务器现在正式 GA，它做的事情很明确：用标准接口把 AWS API、文档和运维流程暴露给代理，同时用 IAM 做细粒度权限管控，每一步操作可审计。 MCP 是 A...
来源: infoq.com
47
数据仓库和计算引擎长期割裂，做报表用 BigQuery，跑机器学习用 Spark，处理实时流用 Flink，数据往往要在不同系统间来回搬运、复制。在最近的 Apache Iceberg Summit 上，Google 宣布 BigQuery 支持无服务器 Iceberg REST Catalog 的预览版，让 BigQuery、Spark、Flink ...
来源: infoq.com
67
Uber Eats 的首页推荐长期依赖手工特征和逐条打分——用户点了一个汉堡，系统 24 小时后才知道这件事，再逐个给候选餐厅算分数排序。这套流程在冷启动和实时意图捕捉上都有明显短板。最近 Uber 工程团队把整个 Home Feed 推荐系统翻了一遍：特征从手工拼接到 Transformer 序列建模，新鲜度从天级压缩到秒级，排序从逐条打分切换到列表...